Anthropic y Amazon muestran cómo la AI en el trabajo erosiona las habilidades

Un nuevo análisis sobre la llamada "descualificación por IA" reúne varias señales preocupantes del desarrollo de software, medicina e IT corporativo. El punto principal es simple: si la IA generativa dedica demasiado tiempo a realizar el trabajo mental más complejo por la persona, la productividad podría crecer en la superficie, pero las habilidades reales —debilitarse.

Cómo se manifiesta el riesgo

Uno de los ejemplos más ilustrativos es la historia del consultor de software Josh Anderson, que intentó construir la aplicación Road Trip Ninja casi completamente con ayuda de IA. Al principio, el experimento se veía prometedor, pero a medida que el proyecto crecía, todo chocaba contra un problema de escala: la base de código superó 100 mil líneas, los diálogos con el bot comenzaron a consumir horas, y el progreso casi se detuvo. Formalmente, la persona habría podido intervenir y terminar el sistema por sí misma, pero en la práctica, desembrollar una gran cantidad de código generado por IA mal estructurado resultó demasiado difícil.

El problema no se limita a un solo caso. El artículo cita observaciones de desarrolladores que sintieron una caída acentuada en su propia eficiencia durante recientes caídas de Claude: cuando el asistente desaparecía, su ritmo de trabajo habitual se rompía. En este contexto, un estudio interno de Anthropic es particularmente revelador: la empresa descubrió que las herramientas generativas de programación pueden degradar las habilidades de depuración y comprensión de código. Si un especialista ya se ha acostumbrado a que el modelo maneje la arquitectura inicial, funciones estándar y parte de las verificaciones, recuperar el control total sobre la tarea resulta ser más difícil de lo que parece.

Por qué las habilidades se desvanecen

Para este efecto, ya han surgido términos de trabajo. Uno de ellos es el "efecto de rebote de IA": el sistema parece aumentar la productividad, pero simultáneamente encoge los modelos mentales que la persona utiliza en trabajo complejo. Los investigadores describen una lógica similar como "deuda cognitiva": el empleado cierra tareas más rápido hoy, pero deja de entrenar las habilidades críticas necesarias mañana. Al final, surge una mezcla peligrosa de dependencia de la herramienta y falsa confianza en el resultado.

"Cuando la automatización asume los detalles, la conciencia

situacional se empaña."

• Una persona depura problemas manualmente con menos frecuencia y ve peor la raíz del error
• Disminuye el hábito de revisar pasos intermedios, no solo la respuesta final
• Crece la dependencia de la disponibilidad del modelo, sus actualizaciones y del proveedor externo
• Los errores del modelo son más fáciles de pasar por alto, porque el usuario tiene menos práctica propia

Dónde el negocio paga el precio

Los autores del artículo señalan varios estudios en diferentes campos. En contabilidad, la automatización ya se asoció con la erosión de habilidades y el declive del pensamiento crítico. En un estudio de Carnegie Mellon respaldado por Microsoft, 319 trabajadores del conocimiento informaron sobre la pérdida de algunas habilidades críticas al usar activamente IA generativa. En medicina, la conclusión es similar: los asistentes pueden acelerar acciones individuales del médico, pero si se elimina el sistema, la calidad del trabajo puede caer por debajo de la norma anterior, porque parte de la rutina profesional ya ha dejado de entrenarse regularmente.

Para el negocio, esto no es solo una cuestión de conveniencia, sino de resiliencia. Si un servicio de IA no está disponible, cambia sus reglas de operación, o simplemente falla en un momento crítico, el equipo aún necesita personas capaces de asumir la tarea. Es precisamente aquí donde surge el ejemplo de Amazon: después de despidos y fortalecimiento de los equipos de IA restantes, la empresa, según el autor, careció de la experiencia de ingeniería para prevenir y resolver rápidamente grandes fallos.

También hay un segundo riesgo: los modelos necesitan ser reentrenados constantemente con datos de calidad, y esos datos son creados por especialistas calificados. Si su nivel disminuye, la IA misma eventualmente se vuelve peor.

Qué significa esto

La conclusión principal no es que la IA deba apagarse, sino que es peligroso convertirla en un reemplazo del pensamiento. Mientras las empresas miden el efecto por la velocidad de ejecución de tareas, pueden no notar la pérdida lenta de competencias dentro de los equipos. Si esta tendencia se consolida, el mercado tendrá trabajadores que saben trabajar bien solo junto a un asistente, pero se desempeñan peor sin él —precisamente donde los errores cuestan más.